【技术实现步骤摘要】
本申请涉及碳排放，特别是涉及一种碳排放估算方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、构建一个既准确又客观的碳计量体系尤为关键。
2、现有的碳计量方式主要依赖于企业或个人自行测算并上报的数据。例如，通过权威组织给出的碳数据进行宏观测量，或者由下级单位的自行测算碳排放后向上级单位报告与汇总统计，例如企业的碳排放自测等。
3、然而，但由于现有的碳排放核算方式不够规范，也没有同一的计算标准，因而这类数据的准确性和完整性时常受到质疑，也常常无法准确反映出实际的碳排放情况，即通过现有方式分析得到的碳排放结果可靠性较低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高碳排放结果可靠性的多模态碳数据融合分析方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种碳排放估算方法。所述方法包括：
3、获取原始多模态碳数据；
4、对所述原始多模态碳数据进行匹配处理，建立所述原始多模态碳数据之间的关联，得到目标多模态碳数据；
5、以所述目标多模态碳数据为输入，调用已训练的碳排放估算模型进行碳排放估算，得到碳排放估算结果，其中，所述碳排放估算模型基于历史目标多模态碳数据训练得到。
6、在其中一个实施例中，所述多模态碳数据包括碳卫星数据和地面碳数据，所述目标多模态碳数据包括第一多模态数据集；
7、所述对所述原始多模态碳数据进行匹配处理，
8、以所述地面碳数据的碳排放源为中心，匹配预设距离范围内的碳卫星数据，得到第一多模态碳数据集，所述第一多模态碳数据集包括地理位置相匹配的碳卫星数据和地面碳数据。
9、在其中一个实施例中，所述方法还包括：
10、剔除所述第一多模态碳数据集中的异常碳卫星数据；
11、当碳卫星数据满足以下情况中的至少一项时，将所述碳卫星数据判定为异常碳卫星数据：
12、第一项，所述碳卫星数据相匹配的碳排放源数目大于预设的碳排放源数目阈值；
13、第二项，所述碳卫星数据对应的卫星条带宽度小于预设的条带宽度阈值；
14、第三项，所述碳卫星数据对应的卫星条带记录区域数小于预设的区域数目阈值；
15、第四项，所述碳卫星数据为离群点。
16、在其中一个实施例中，所述多模态碳数据还包括环境数据，所述目标多模态碳数据还包括第二多模态碳数据集；
17、所述得到第一多模态碳数据集之后，还包括：
18、根据所述第一多模态碳数据集中碳卫星数据的采集时间段，匹配预设的时间范围内采集的环境数据，得到第二多模态碳数据集；
19、其中，预设的时间范围基于所述采集时间段确定，第二多模态碳数据集包括时间相匹配的碳卫星数据和环境数据。
20、在其中一个实施例中，所述以所述目标多模态碳数据为输入，调用已训练的碳排放估算模型进行碳排放估算之前，还包括：
21、获取历史多模态碳数据；
22、对所述历史多模态碳数据进行匹配处理，建立所述历史多模态碳数据之间的关联，得到历史目标多模态碳数据；
23、对所述历史目标多模态碳数据进行数据编码，得到编码后的历史目标多模态碳数据；
24、以所述编码后的历史目标多模态碳数据为训练数据，训练预构建的深度学习模型，得到已训练的碳排放估算模型。
25、在其中一个实施例中，所述编码后的历史目标多模态碳数据包括编码后的无碳排放标签的第一历史多模态碳数据集、以及携带碳排放标签的第二历史多模态碳数据集；
26、所述以所述编码后的历史目标多模态碳数据为训练数据，训练预构建的深度学习模型，得到已训练的碳排放估算模型包括：
27、以所述编码后的第一历史多模态碳数据集为训练数据，训练所述预构建的深度学习模型中的自监督碳排放预训练子模型，所述自监督碳排放预训练子模型用于提取目标多模态碳数据中的碳排放特征数据；
28、以所述编码后的所述第二历史多模态碳数据集为训练数据，训练所述预构建的深度学习模型中的线性回归子模型，得到已训练的碳排放估算模型；
29、其中，所述第一历史多模态碳数据集包括地理位置相匹配的历史碳卫星数据和历史地面碳数据，所述第二历史多模态碳数据集包括携带碳排放标签的、时间相匹配的历史碳卫星数据和历史环境数据，所述线性回归模型用于拟合所述碳排放特征数据，并根据所述碳排放特征数据估算得到碳排放结果。
30、第二方面，本申请还提供了一种碳排放估算装置。所述装置包括：
31、数据获取模块，用于获取原始多模态碳数据；
32、数据预处理模块，用于对所述原始多模态碳数据进行匹配处理，建立所述原始多模态碳数据之间的关联，得到目标多模态碳数据；
33、数据分析模块，用于以所述目标多模态碳数据为输入，调用已训练的碳排放估算模型进行碳排放估算，得到碳排放估算结果，其中，所述碳排放估算模型基于历史目标多模态碳数据训练得到。
34、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法的步骤。
35、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法的步骤。
36、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上所述的方法的步骤。
37、上述碳排放估算方法、装置、计算机设备、存储介质和计算机程序产品，区别于传统单一模态的、规范性低的碳排放估算方式，将多模态碳数据与已训练的碳排放估算模型相结合进行碳排放估算，具体地，预先基于历史目标多模态碳数据训练碳排放估算模型，模型从历史目标多模态碳数据中捕捉不同模态的碳排放特征，并结合历史目标多模态碳数据的经验和模式，能够快速准确地估算出可靠的碳数据。在实际碳排放估算过程中，获取原始多模态碳数据，通过对其进行匹配处理，得到目标多模态碳数据，建立起原始多模态碳数据之间的关联，能够获取不同模态之间的相互影响和关系，有利于提高碳排放估算的准确性和可靠性。然后，以目标多模态碳数据为输入，调用已训练的碳排放估算模型进行碳排放估算，即可得到快速地得到全面准确的碳排放估算结果。因此，相比于采用传统手段估算碳排放，采用本方案能够得到可靠性更高的碳排放估算结果。
本文档来自技高网...【技术保护点】
1.一种碳排放估算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多模态碳数据包括碳卫星数据和地面碳数据，所述目标多模态碳数据包括第一多模态数据集；
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，所述多模态碳数据还包括环境数据，所述目标多模态碳数据还包括第二多模态碳数据集；
5.根据权利要求1至4任意一项所述的方法，其特征在于，所述以所述目标多模态碳数据为输入，调用已训练的碳排放估算模型进行碳排放估算之前，还包括：
6.根据权利要求5所述的方法，其特征在于，所述编码后的历史目标多模态碳数据包括编码后的无碳排放标签的第一历史多模态碳数据集、以及携带碳排放标签的第二历史多模态碳数据集；
7.一种碳排放估算装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种碳排放估算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多模态碳数据包括碳卫星数据和地面碳数据，所述目标多模态碳数据包括第一多模态数据集；
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，所述多模态碳数据还包括环境数据，所述目标多模态碳数据还包括第二多模态碳数据集；
5.根据权利要求1至4任意一项所述的方法，其特征在于，所述以所述目标多模态碳数据为输入，调用已训练的碳排放估算模型进行碳排放估算之前，还包括：
6.根据权利要求5所述的方法，其特征在于，所述编码后的历史目...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。